ISSN1898-5084
dr Adrianna Mastalerz-Kodzis
1Katedra Statystyki, Ekonometrii i Matematyki, Wydział Zarządzania Uniwersytet Ekonomiczny w Katowicach
dr inż. Ewa Pośpiech
2Katedra Statystyki, Ekonometrii i Matematyki, Wydział Zarządzania Uniwersytet Ekonomiczny w Katowicach
Ekonomiczno-społeczneuwarunkowaniarozwoju
społeczeństwainformacyjnegokrajów
UniiEuropejskiej
Wprowadzenie
Wobec powszechnej globalizacji, z którą mamy do czynienia w XXI wieku, zarówno w Europie, jak i na świecie, łatwość komunikowania się pomiędzy miesz-kańcami poszczególnych kontynentów i krajów powinna być jednym z nadrzęd-nych celów polityki tworzenia społeczeństwa informacyjnego.
Przedmiotem badań są kraje UE, bowiem są one powszechnie uważane za kraje wysoko rozwinięte społecznie i gospodarczo. Jednak analiza danych uka-zuje, że pomiędzy krajami członkowskimi istnieją także duże różnice, przede wszystkim dochodowe oraz związane z charakterystykami rynku pracy, co istot-nie wpływa na poziom rozwoju informatyzacji. Wspólna polityka gospodarcza państw członkowskich UE, a także swobodny transfer ludności w celach zarówno zarobkowych, jak i turystycznych, implikuje konieczność stałego i niezawodnego komunikowania się bez względu na miejsce zamieszkania, pracy, czy też wypo-czynku. Rozwój społeczeństwa informacyjnego to jeden z ważniejszych czyn-ników decydujących o konkurencyjności gospodarczej krajów UE. Współpraca ekonomiczna państw członkowskich wymaga ciągłego komunikowania się part-nerów biznesowych, także pracownicy firm o zasięgu międzynarodowym są zo-bligowani do utrzymywania stałych kontaktów z pracodawcą.
1 Adres korespondencyjny: Uniwersytet Ekonomiczny w Katowicach, ul. 1-Maja 50, 40-287 Katowice; e-mail: adrianna.mastalerz-kodzis@ue.katowice.pl, tel. 32 2577455.
2 Adres korespondencyjny: Uniwersytet Ekonomiczny w Katowicach, ul. 1-Maja 50, 40-287 Katowice; e-mail: ewa.pospiech@ue.katowice.pl, tel. 32 2577455.
AdriAnnA MAstAlerz-Kodzis, ewA PośPiech 110
Obecnie bardzo szybko następują zmiany w technologiach informacyjno- -telekomunikacyjnych. Istnieje zatem potrzeba wyboru odpowiednich narzędzi służących do pomiaru społeczeństwa informacyjnego oraz ciągłego monitorowa-nia poziomu jego rozwoju.
W artykule uwagę skupiono na relacji, wzajemnym na siebie oddziaływa-niu, czynników decydujących o poziomie gospodarczym państw oraz determinant świadczących o rozwoju informatyzacji krajów UE. Okazało się, że te dwa obsza-ry bardzo silnie są od siebie zależne.
Celem niniejszego artykułu jest: –
– –zbadanie poziomu zróżnicowania rozwoju społeczeństwa informacyjnego kra-jów UE za pomocą wybranych metod statystycznych oraz miar syntetycznych, –
– –wskazanie zależności pomiędzy wybranymi charakterystykami społeczno- -ekonomicznymi a wielkościami świadczącymi o poziomie rozwoju społeczeń-stwa informacyjnego,
– analiza wniosków płynących z prowadzonych rozważań.
Państwa należące do UE są na świecie postrzegane jako dobrze rozwinięte społecznie oraz gospodarczo, a także jako państwa o wysokim poziomie rozwo-ju informatyzacji. Dane analizowane w artykule potwierdzają tę tezę, a analizy empiryczne i wnioski pozwalają na weryfikację poniższych hipotez:
–
– –wraz ze wzrostem poziomu społeczno-gospodarczego wzrasta także poziom rozwoju społeczeństwa informacyjnego państw członkowskich UE,
–
– –dochód na osobę krajów UE jest podstawową determinantą poziomu rozwoju społeczeństwa informacyjnego,
–
– –struktura demograficzna społeczeństwa ma niewielki wpływ na skalę korzysta-nia z Internetu oraz telefonii komórkowej.
Elementy metodyki badań
W analizach empirycznych posłużono się wybranymi narzędziami: mierni-kiem poziomu dobrobytu społecznego, metodami statystyki opisowej oraz wielo-wymiarowej analizy porównawczej – miarą syntetyczną Hellwiga.
Powszechnie stosowanym miernikiem poziomu rozwoju
społeczno-go-spodarczego państw świata jest wskaźnik HDI (Human Development Indeks)3.
Syntetyczny wskaźnik HDI uwzględnia przy ocenie trzy kryteria: długie ży-cie, poziom edukacji oraz standard życia. Wskaźnik rozwoju społecznego na jednego mieszkańca dla danego państwa oblicza się według formuły:
Ekonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 3
3H.Ind E.Ind Y.Ind
HDIi= i⋅ i⋅ ,
(
20) (
/85 20)
.Indi = LEi− − H ,(
) (
)
[
. . .]
/2.Indi SchoolIndi ExpectedschoolIndi
E = + ,
( )
(
)
[
log log$100]
/[
log(
$75000)
log(
$100)
]
.Indi= yi − − Y .
[ ]
xij X = ,i= ,1K ,n; j= ,1K m(
ij j)
j ij x x s z = - / ).[
z z zm]
z0= 01, 02,K, 0 , antywzorzec z−0=[
z−01,z−02,K,z−0m]
, gdzie: = zz zz totodestymulanstymulantata z ij ij i ij ij i j min ; ; max 0 , = − z z todestymulanta stymulana to z z z ij ij i ij ij i j max ; ; min 0 ( ∑(
)
1 2 0 0 -m j ij j i z z d = = ). (mi=1-(
di0/d0)
, ∑(
)
1 2 0 0 0 -m j z j z j d = − = ).[ ]
0,1 ∈ i m, w którego skład wchodzą:
3 Sposób konstrukcji oraz interpretację HDI można znaleźć w [UNDP]. Mierniki dobrobytu społecznego opisano także w pracy [Biernacki, 2006].
Ekonomiczno-społeczne uwarunkowania rozwoju... 111
1. Wskaźnik zdrowia4:
Ekonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 3
3H.Ind E.Ind Y.Ind
HDIi= i⋅ i⋅ ,
(
20) (
/85 20)
.Indi = LEi− − H ,(
) (
)
[
. . .]
/2.Indi SchoolIndi Expected schoolIndi
E = + ,
( )
(
)
[
log log$100]
/[
log(
$75000)
log(
$100)
]
.Indi = yi − − Y .
[ ]
xij X = , i= ,1K ,n; j= ,1K m(
ij j)
j ij x x s z = - / ).[
z z zm]
z0= 01, 02,K, 0 , antywzorzec z−0=[
z−01,z−02,K,z−0m]
, gdzie: = zz zz totodestymulanstymulantata z ij ij i ij ij i j min ; ; max 0 , = − z z todestymulanta stymulana to z z z ij ij i ij ij i j max ; ; min 0 ( ∑(
)
1 2 0 0 -m j ij j i z z d = = ). (mi=1-(
di0/d0)
, ∑(
)
1 2 0 0 0 -m j z j z j d = − = ).[ ]
0,1 ∈ i m , 2. Wskaźnik edukacji5:Ekonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 3
3H.Ind E.Ind Y.Ind
HDIi= i⋅ i⋅ ,
(
20) (
/85 20)
.Indi= LEi− − H ,(
) (
)
[
. . .]
/2.Indi SchoolIndi ExpectedschoolIndi
E = + ,
( )
(
)
[
log log$100]
/[
log(
$75000)
log(
$100)
]
.Indi= yi − − Y .
[ ]
xij X = , i= ,1K ,n;j= ,1K m(
ij j)
j ij x x s z = - / ).[
z z zm]
z0= 01, 02,K, 0 , antywzorzec z−0=[
z−01,z−02,K,z−0m]
, gdzie: = zz zz totodestymulanstymulantata z ij ij i ij ij i j min ; ; max 0 , = − z z todestymulanta stymulana to z z z ij ij i ij ij i j max ; ; min 0 ( ∑(
)
1 2 0 0 -m j ij j i z z d = = ). (mi=1-(
di0/d0)
, ∑(
)
1 2 0 0 0 -m j z j z j d = − = ).[ ]
0,1 ∈ i m ,3. Wskaźnik standardu życia6:
3H.Ind E.Ind Y.Ind
HDIi= i⋅ i⋅ ,
(
20) (
/85 20)
.Indi= LEi− − H ,(
) (
)
[
. . .]
/2.Indi SchoolIndi ExpectedschoolIndi
E = + ,
( )
(
)
[
log log$100]
/[
log(
$75000)
log(
$100)
]
.Indi = yi − − Y .
[ ]
xij X = , i= ,1K ,n;j= ,1K m(
ij j)
j ij x x s z = - / ).[
z z z m]
z0 = 01, 02,K , 0 , antywzorzec z−0 =[
z−01,z−02,K ,z−0m]
, gdzie: = zz zz totodestymulanstymulantata z ij ij i ij ij i j min ; ; max 0 , = − z z todestymulanta stymulana to z z z ij ij i ij ij i j max ; ; min 0 ( ∑(
)
1 2 0 0 -m j ij j i z z d = = ). (mi=1-(
di0/d0)
, ∑(
)
1 2 0 0 0 -m j z j z j d = − = ).[ ]
0,1 ∈ i mInterpretacja wskaźnika HDI jest następująca. Kraj jest:
• bardzo wysoko rozwinięty, gdy wskaźnik wynosi co najmniej 0,800, • wysoko rozwinięty, dla wartości z przedziału [0,700; 0,799],
• średnio rozwinięty, gdy [0,550; 0,699], • słabo rozwinięty dla [0; 0,550).
W artykule wykorzystano także metodę klasyfikacji danych przestrzennych
– taksonomiczną miarę rozwoju Hellwiga7. Dzięki tej metodzie można porównać
kraje UE konstruując miernik wzorcowy.
Budowa miernika przebiega w kilku etapach:
1. Wybór zmiennych i konstrukcja macierzy danych dla państw UE:
Ekonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 3
3H.Ind E.Ind Y.Ind
HDIi= i⋅ i⋅ ,
(
20) (
/85 20)
.Indi = LEi− − H ,(
) (
)
[
. . .]
/2.Indi SchoolIndi ExpectedschoolIndi
E = + ,
( )
(
)
[
log log$100]
/[
log(
$75000)
log(
$100)
]
.Indi= yi − − Y .
[ ]
xij X = ,i= ,1K ,n;j= ,1K m(
ij j)
j ij x x s z = - / ).[
z z zm]
z0= 01, 02,K, 0 , antywzorzec z−0=[
z−01,z−02,K,z−0m]
, gdzie: = zz zz totodestymulanstymulantata z ij ij i ij ij i j min ; ; max 0 , = − z z todestymulanta stymulana to z z z ij ij i ij ij i j max ; ; min 0 ( ∑(
)
1 2 0 0 -m j ij j i z z d = = ). (mi=1-(
di0/d0)
, ∑(
)
1 2 0 0 0 -m j z j z j d = − = ).[ ]
0,1 ∈ i m ,Ekonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 3
3H.Ind E.Ind Y.Ind
HDIi= i⋅ i⋅ ,
(
20) (
/85 20)
.Indi = LEi− − H ,(
) (
)
[
. . .]
/2.Indi SchoolIndi ExpectedschoolIndi
E = + ,
( )
(
)
[
log log$100]
/[
log(
$75000)
log(
$100)
]
.Indi= yi − − Y .
[ ]
xij X = ,i= ,1K ,n;j= ,1K m(
ij j)
j ij x x s z = - / ).[
z z zm]
z0= 01, 02,K, 0 , antywzorzec z−0=[
z−01,z−02,K,z−0m]
, gdzie: = zz zz totodestymulanstymulantata z ij ij i ij ij i j min ; ; max 0 , = − z z todestymulanta stymulana to z z z ij ij i ij ij i j max ; ; min 0 ( ∑(
)
1 2 0 0 -m j ij j i z z d = = ). (mi=1-(
di0/d0)
, ∑(
)
1 2 0 0 0 -m j z j z j d = − = ).[ ]
0,1 ∈ i m(n państw UE, m charakterystyk).
2. Określenie charakteru zmiennych (stymulanty, destymulanty). 3. Normalizacja zmiennych (np. standaryzacja:
Ekonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 3
3H.Ind E.Ind Y.Ind
HDIi= i⋅ i⋅ ,
(
20) (
/85 20)
.Indi= LEi− − H ,(
) (
)
[
. . .]
/2.Indi SchoolIndi ExpectedschoolIndi
E = + ,
( )
(
)
[
log log$100]
/[
log(
$75000)
log(
$100)
]
.Indi= yi − − Y .
[ ]
xij X = ,i= ,1K ,n;j= ,1K m(
ij j)
j ij x x s z = - / ).[
z z z m]
z0= 01, 02,K, 0 , antywzorzec z−0=[
z−01,z−02,K,z−0m]
, gdzie: = zz zz totodestymulanstymulantata z ij ij i ij ij i j min ; ; max 0 , = − z z todestymulanta stymulana to z z z ij ij i ij ij i j max ; ; min 0 ( ∑(
)
1 2 0 0 -m j ij j i z z d = = ). (mi=1-(
di0/d0)
, ∑(
)
1 2 0 0 0 -m j z j z j d = − = ).[ ]
0,1 ∈ i m ). 4. Wyznaczenie wzorca i antywzorca rozwoju: wzorzecEkonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 3
3H.Ind E.Ind Y.Ind
HDIi= i⋅ i⋅ ,
(
20) (
/85 20)
.Indi= LEi− − H ,(
) (
)
[
. . .]
/2.Indi SchoolIndi ExpectedschoolIndi
E = + ,
( )
(
)
[
log log$100]
/[
log(
$75000)
log(
$100)
]
.Indi= yi − − Y .
[ ]
xij X = , i= ,1K ,n;j= ,1K m(
ij j)
j ij x x s z = - / ).[
z z zm]
z0= 01, 02,K, 0 , antywzorzec z−0=[
z−01,z−02,K,z−0m]
, gdzie: = zz zz totodestymulanstymulantata z ij ij i ij ij i j min ; ; max 0 , = − z z todestymulanta stymulana to z z z ij ij i ij ij i j max ; ; min 0 ( ∑(
)
1 2 0 0 -m j ij j i z z d = = ). (mi=1-(
di0/d0)
, ∑(
)
1 2 0 0 0 -m j z j z j d = − = ).[ ]
0,1 ∈ i m , antywzo-rzecEkonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 3
3H.Ind E.Ind Y.Ind
HDIi= i⋅ i⋅ ,
(
20) (
/85 20)
.Indi = LEi− − H ,(
) (
)
[
. . .]
/2.Indi SchoolIndi ExpectedschoolIndi
E = + ,
( )
(
)
[
log log$100]
/[
log(
$75000)
log(
$100)
]
.Indi= yi − − Y .
[ ]
xij X = ,i= ,1K ,n;j= ,1K m(
ij j)
j ij x x s z = - / ).[
z z z m]
z0= 01, 02,K, 0 , antywzorzec z−0=[
z−01,z−02,K,z−0m]
, gdzie: = zz zz totodestymulanstymulantata z ij ij i ij ij i j min ; ; max 0 , = − z z todestymulanta stymulana to z z z ij ij i ij ij i j max ; ; min 0 ( ∑(
)
1 2 0 0 -m j ij j i z z d = = ). (mi=1-(
di0/d0)
, ∑(
)
1 2 0 0 0 -m j z j z j d = − = ).[ ]
0,1 ∈ i m , gdzie:ADRIANNA MASTALERZ-KODZIS,EWA POŚPIECH
= zz zz totodestymulanstymulantata z ij ij i ij ij i j min ; ; max 0 , = − z z todestymulanta stymulana to z z z ij ij i ij ij i j max ; ; min 0
5. Obliczenie odległości kraju od wzorca (
Ekonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 3
3H.Ind E.Ind Y.Ind
HDIi= i⋅ i⋅ ,
(
20) (
/85 20)
.Indi= LEi− − H ,(
) (
)
[
. . .]
/2.Indi SchoolIndi ExpectedschoolIndi
E = + ,
( )
(
)
[
log log$100]
/[
log(
$75000)
log(
$100)
]
.Indi= yi − − Y .
[ ]
xij X = ,i= ,1K ,n;j= ,1K m(
ij j)
j ij x x s z = - / ).[
z z z m]
z0= 01, 02,K, 0 , antywzorzec z−0=[
z−01,z−02,K,z−0m]
, gdzie: = zz zz totodestymulanstymulantata z ij ij i ij ij i j min ; ; max 0 , = − z z todestymulanta stymulana to z z z ij ij i ij ij i j max ; ; min 0 ( ∑(
)
1 2 0 0 -m j ij j i z z d = = ). (mi=1-(
di0/d0)
, ∑(
)
1 2 0 0 0 -m j z j z j d = − = ).[ ]
0,1 ∈ i m ). 6. Unormowanie zmiennej (Ekonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 3
3H.Ind E.Ind Y.Ind
HDIi= i⋅ i⋅ ,
(
20) (
/85 20)
.Indi = LEi− − H ,(
) (
)
[
. . .]
/2.Indi SchoolIndi ExpectedschoolIndi
E = + ,
( )
(
)
[
log log$100]
/[
log(
$75000)
log(
$100)
]
.Indi= yi − − Y .
[ ]
xij X = ,i= ,1K ,n;j= ,1K m(
ij j)
j ij x x s z = - / ).[
z z z m]
z0= 01, 02,K, 0 , antywzorzec z−0=[
z−01,z−02,K,z−0m]
, gdzie: = zz zz totodestymulanstymulantata z ij ij i ij ij i j min ; ; max 0 , = − z z todestymulanta stymulana to z z z ij ij i ij ij i j max ; ; min 0 ( ∑(
)
1 2 0 0 -m j ij j i z z d = = ). (mi=1-(
di0/d0)
, ∑(
)
1 2 0 0 0 -m j z j z j d = − = ).[ ]
0,1 ∈ i m ).7. Ocena poziomu zróżnicowania krajów UE; im wyższa wartość miary
Ekonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 3
3H.Ind E.Ind Y.Ind
HDIi= i⋅ i⋅ ,
(
20) (
/85 20)
.Indi = LEi− − H ,(
) (
)
[
. . .]
/2.Indi SchoolIndi ExpectedschoolIndi
E = + ,
( )
(
)
[
log log$100]
/[
log(
$75000)
log(
$100)
]
.Indi = yi − − Y .
[ ]
xij X = , i= ,1K ,n;j = ,1K m(
ij j)
j ij x x s z = - / ).[
z z zm]
z0= 01, 02,K, 0 , antywzorzec z−0=[
z−01,z−02,K,z−0m]
, gdzie: = zz zz totodestymulanstymulantata z ij ij i ij ij i j min ; ; max 0 , = − z z todestymulanta stymulana to z z z ij ij i ij ij i j max ; ; min 0 ( ∑(
)
1 2 0 0 -m j ij j i z z d = = ). (mi=1-(
di0/d0)
, ∑(
)
1 2 0 0 0 -m j z j z j d = − = ).[ ]
0,1 ∈ i mtym wyższy poziom rozwoju kraju UE.
4 LE
i– przeciętna długość życia w i-tym kraju.
5 School.Ind
i – wskaźnik średniej liczby lat w szkole w i-tym kraju,
School.Indi = (School.Indi )/15, Schooli- średnia liczba lat w szkole w kraju i,
Expected.school.Indi – wskaźnik oczekiwanej liczby lat w szkole w kraju i,
Expected.school.Indi=(Expected.schooli )/18,
Expected.schooli – oczekiwana liczba lat w szkole w kraju i.
6 Zmienna
i
y – dochód na jednego mieszkańca w danym kraju.
AdriAnnA MAstAlerz-Kodzis, ewA PośPiech 112
Wyniki badań empirycznych
Do analizy posłużyły dane ekonomiczne, demograficzne oraz charakteryzu-jące poziom wykorzystania wybranych urządzeń informatyczno-komunikacyj-nych za rok 2014 w krajach członkowskich UE. W celu porównań, dla niektórych zmiennych uwzględniono także dane historyczne za lata 1980–2013. Dane za-czerpnięto z bazy UNDP Human Development Report oraz bazy Eurostat. Wybra-no następujące charakterystyki:
– przeciętna długość życia, – średnia liczba lat w szkole, – oczekiwana liczba lat w szkole, – dochód narodowy brutto na osobę,
– odsetek ludności w wieku 0–14, 15–64 i 65+,
– stopa zatrudnienia (% populacji w wieku minimum 15 lat), –
– –młodzież nieuczęszczająca do szkoły i niepracująca (% ludności w wieku 15–25 lat),
– odsetek populacji korzystającej z sieci Internet,
– liczba umów użytkowania telefonów komórkowych (na 100 osób).
Analiza wartości wskaźnika HDI w roku 2014 (rys. 1) pozwala stwierdzić, że spośród 28 państw UE aż 26 można było w 2014 roku zaliczyć do państw bardzo wysoko rozwiniętych, dla 2 państw współczynnik wskazywał na wysoki rozwój (Rumunia, Bułgaria).
Ekonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 5
HDI krajów członkowskich UE w roku 2014
0,75 0,77 0,79 0,81 0,83 0,85 0,87 0,89 0,91 0,93 0,95 Hol andi a Ni em
cy Dania Irlandia Szwecja
W iel ka B rytani a Franc ja Au stri a Bel gia Luxem bur g Finl andi a Słow eni a W łoc hy Hiszpani a Cz ec hy Grecja Cy pr Estoni a Litwa Polsk a Słowac ja M
alta Portugal
ia W ęgr y Chorwac ja Łot wa Rumuni a Buł gar ia Rys.1.WartościHDIdlapaństwUEwroku2014
Źródło: opracowanie własne na podstawie danych z bazy UNDP Human Development Report.
Ponadto, analizując historyczne wartości wskaźnika HDI oraz jego trzech
skła-dowych można między innymi stwierdzić, że8:
8 Analizę dynamiki wskaźnika HDI oraz jego składowych zamieszczono w pracach: [Mastalerz--Kodzis, 2016; Mastalerz[Mastalerz--Kodzis, Pośpiech, 2016].
–
– –od roku 1980 do roku 2014 dla większości państw UE wskaźnik HDI wzrastał sukcesywnie z roku na rok; dla danych dotyczących Polski w analizowanym okresie nastąpił przyrost wskaźnika o ponad 21%,
–
– –kraje UE istotnie różnią się tempem wzrostu wskaźnika HDI; ogólnie można stwierdzić, że dla krajów o wysokim HDI przyrost jest wolniejszy aniżeli dla krajów o najniższych wartościach miernika,
–
– –w latach 1980–2000 dynamika zmian wskaźnika HDI była dla wielu krajów wyższa aniżeli w latach 2000–2014.
Analiza danych pozostałych charakterystyk ekonomicznych i demograficz-nych za rok 2014 pozwala na zapisanie następujących wniosków:
–
– –stopa zatrudnienia w krajach UE wahała się od najwyższego poziomu 60,1% (Holandia) do najniższego poziomu 38,7% (Grecja),
–
– –odsetek młodzieży nieuczęszczającej do szkoły i niepracującej w wieku 15–25 lat był najniższy we Francji i w Luksemburgu (5%), zaś najwyższy we Wło-szech (aż 22,2%), Bułgarii (21,6%), Grecji (20,4%),
–
– –dochód narodowy na osobę był najwyższy w Szwecji (45 636 $), zaś najniższy w Bułgarii (15 596 $), odnotowano bardzo duży rozstęp dochodu w UE,
–
– –odsetek populacji korzystającej z Internetu należał do przedziału (54; 96), naj-niższą wartość zanotowano dla Rumunii (tylko 54,1%), zaś najwyższą dla Danii (96%) (rys. 2),
Ekonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 7
−
Frakcja populacji kraju UE używająca sieci Internet (2014)
50 55 60 65 70 75 80 85 90 95 100 Hol andi a Ni em cy Dani a Irlandia Szwe cja W iel ka B rytani a Franc ja Au stri a Bel gi a Lux em bur g Finl andi a Słow eni a W łoc hy Hiszpani a Cz ec hy G re cja Cy pr Estoni a Litwa Polsk a Słow ac ja M al ta Portugal ia W ęgr y Chor wac ja Łot wa Rumuni a Buł gar ia Rys.2.OdsetekpopulacjikorzystającejzsieciInternetwroku2014
Źródło: opracowanie własne na podstawie danych z bazy UNDP Human Development Report.
–
– –––liczba umów użytkowania telefonów komórkowych (w przeliczeniu na 100 osób) była dla 27 państw wyższa od 100, tylko Cypr miał poniżej 100. Jest to związane z niskim poziomem cen usług telefonii komórkowej, po-wszechną dostępnością ofert oraz dobrym zasięgiem operatorów. Zmienna − użytkowanie telefonów komórkowych w bardzo małym stopniu różnicowała kraje UE.
AdriAnnA MAstAlerz-Kodzis, ewA PośPiech 114
Skonstruowano macierz zależności pomiędzy analizowanymi zmiennymi za
pomocą współczynnika korelacji liniowej Pearsona9. Na podstawie elementów
macierzy korelacji można stwierdzić, że istnieje bardzo wiele zależności pomię-dzy charakterystykami, zarówno o kierunku dodatnim, jak i ujemnym. Miępomię-dzy innymi można zapisać następujące wnioski:
–
– –istnieje bardzo silna, dodatnia zależność pomiędzy wartością HDI a dochodem brutto na mieszkańca (0,876),
–
– –dostęp oraz korzystnie z Internetu jest bardzo silnie skorelowany z HDI (0,800), czyli pomiędzy poziomem rozwoju społeczno-gospodarczego a dostępnością do sieci Internet istnieje bardzo silna zależność,
–
– –poziom zatrudnienia w umiarkowany sposób wpływa na dochód na osobę (0,525), natomiast jest dodatnio i nieco silniej skorelowany ze stopniem użytko-wania Internetu (0,664),
–
– –bardzo silną zależność odnotowano pomiędzy zmiennymi: dochód na miesz-kańca i użytkowanie Internetu (0,807); można stwierdzić, że korzystanie z In-ternetu zwiększa poziom życia mieszkańców krajów UE,
–
– –istnieje umiarkowana zależność (0,571) pomiędzy zmiennymi: korzystanie z Internetu, a odsetek ludności w wieku 0–14 lat,
–
– –istnieje umiarkowana zależność (0,583) pomiędzy wartością HDI a odsetkiem osób w wieku 0–14 lat w populacji, a zatem wyższy poziom rozwoju społeczno--gospodarczego w umiarkowany sposób implikuje i stymuluje wyższy odsetek młodzieży w społeczeństwie,
–
– –odnotowano dwie pozytywne prawidłowości: im wyższy poziom dochodu na mieszkańca (0,530) oraz im wyższy poziom zatrudnienia (0,365), tym większy odsetek młodzieży w wieku 0–14 w społeczeństwie,
–
– –ujemną zależność odnotowano pomiędzy destymulantą – odsetkiem młodzieży w wieku 15–25 lat nieuczęszczającej ani do szkoły, ani do pracy oraz
• wartością HDI (-0,593),
• dochodem na mieszkańca (-0,649),
• odsetkiem populacji korzystającej z Internetu (-0,756); jest to negatywne zja-wisko, bowiem wzrostowi odsetka młodzieży bez obowiązków odpowiada mniejsza frakcja społeczeństwa korzystająca i wykorzystująca Internet do ce-lów edukacyjnych i do szukania pracy!
–
– –odnotowano także pewne pozytywne zjawiska społeczne, mianowicie, im wyż-szy odsetek młodzieży w wieku 15–25 lat nieuczęszczających ani do szkoły ani do pracy, tym niższy odsetek dzieci w 0–14 lat w społeczeństwie (bardzo słaba korelacja -0,249). Zatem młodzież nieucząca się i niepracująca, często
9 Współczynnik korelacji (zależności) liniowej Pearsona należy do przedziału [0, 1]. Dodatnia jego wartość informuje, że wraz ze wzrostem jednej cechy wzrastają także średnie wartości dru-giej analizowanej cechy; ujemna wartość – wraz ze wzrostem jednej cechy maleją średnie wartości drugiej cechy. Wartość bezwzględna współczynnika informuje o sile zależności – im bliższa 1, tym relacja silniejsza.
bez perspektyw dalszego rozwoju i bez pomysłu na własne życie znacząco nie powiększa odsetka dzieci w społeczeństwie.
Państwa UE różnią się między sobą istotnie, jeśli chodzi o strukturę demogra-ficzną (rys. 3), jednakże struktura wiekowa ludności państw UE ma bardzo mały wpływ na stopień korzystania z Internetu. Jest to korzystne zjawisko, świadczy bowiem o dużym zaangażowaniu ludności w wieku dojrzałym, która potrafiła nauczyć się korzystać z Internetu, wykorzystywać Internet do polepszenia jakości i komfortu życia.
ADRIANNA MASTALERZ-KODZIS,EWA POŚPIECH
15 20 25 30 35 40 45 50 55 60 Hol andi a Ni em cy Dani a Irlandia Szwe cja W iel ka B rytani a Franc ja Au stri a Bel gi a Lux em bur g Finl andi a Słow eni a W łoc hy Hiszpani a Cz ec hy G re cja Cy pr Estoni a Litwa Polsk a Słow ac ja M al ta Portugal ia W ęgr y Chor wac ja Łot wa Rumuni a Buł gar ia
odsetek ludności w wieku 0-14 odsetek ludności w wieku 15-64 odsetek ludności w wieku 65+
Rys.3.Odsetekpopulacjiwposzczególnychgrupachwiekowychwroku2014
Źródło: opracowanie własne na podstawie danych Eurostat.
Dla analizowanych wielkości skonstruowano mierniki syntetyczne (tabela 1, rys. 4):
–
– –m1 – miernik zależny od charakterystyk: HDI, stopa zatrudnienia, młodzież nie-uczęszczająca do szkoły i niepracująca (% ludności w wieku 15–25 lat), –
– –m2 – miernik zależny od charakterystyk: HDI, odsetek populacji korzystającej z Internetu.
Wartości miary syntetycznej m1 świadczą o wysokim poziomie ze względu na rozwój społeczno-gospodarczy oraz rozwój rynku pracy takich krajów jak: Holandia, Dania, Szwecja. Najniższe wartości miernika zanotowano dla Bułga-rii, Chorwacji i Grecji. Rynek pracy z pewnością nie sprzyja wzrostowi gospo-darczemu oraz poprawie sytuacji społeczno-gospodarczej w państwach o niskiej wartości miary syntetycznej m1. Zatem receptą na polepszenie warunków życia w tych krajach jest analiza stanu rynku pracy i jego uelastycznienie, poprawieniu jego efektywności.
Inne wartości miary (inny ranking państw UE) otrzymano wyznaczając miarę m2. Uzupełnienie charakterystyk HDI o korzystanie z sieci Internet potwierdziło wysokie pozycje państw, tj.: Dania (wzorzec ze względu na analizowane cechy), Holandia i Szwecja oraz niskie dla Bułgarii i Rumunii. Wykorzystanie Internetu wpływa na poprawę jakości i poziomu życia ludności, powoduje wzrost poziomu
AdriAnnA MAstAlerz-Kodzis, ewA PośPiech 116
rozwoju społeczno-gospodarczego. Współczynnik korelacji pomiędzy miarami syntetycznymi wynosi 0,872, a zatem istnieje także znacząca zależność pomiędzy poziomem społeczno-gospodarczym kraju i jego wskaźnikami rynku pracy a po-ziomem rozwoju i stopniem korzystania z sieci Internet.
Tabela1.Wartościmiarsyntetycznychm1,m2dlakrajówUEzarok2014 Kraj UE m1 m2 Kraj UE m1 m2 Holandia 0,995 0,953 Czechy 0,715 0,620 Niemcy 0,890 0,834 Grecja 0,189 0,384 Dania 0,935 1,000 Cypr 0,457 0,425 Irlandia 0,597 0,726 Estonia 0,666 0,632 Szwecja 0,896 0,901 Litwa 0,568 0,421
Wielka Brytania 0,730 0,891 Polska 0,521 0,368
Francja 0,776 0,732 Słowacja 0,508 0,522 Austria 0,821 0,687 Malta 0,497 0,433 Belgia 0,576 0,753 Portugalia 0,452 0,300 Luksemburg 0,808 0,892 Węgry 0,364 0,419 Finlandia 0,742 0,790 Chorwacja 0,194 0,303 Słowenia 0,682 0,549 Łotwa 0,476 0,378 Włochy 0,256 0,384 Rumunia 0,314 0,046 Hiszpania 0,334 0,596 Bułgaria 0,132 0,016
Źródło: opracowanie własne.
Ekonomiczno-społeczne uwarunkowania rozwoju społeczeństwa informacyjnego… 13
0 0,2 0,4 0,6 0,8 1 1,2 Hol andi a Ni em
cy Dania Irlandia Szwecja
W iel ka B rytani a Franc ja Au stri a Bel gia Luxem bur g Finl andi a Słow eni a W łoc hy Hiszpani a Cz ec hy Grecja Cy pr Estoni a Litwa Polska
Słow ac ja Mal ta Portugal ia W ęgr y Chorwac ja Łot wa Rumuni a Buł gar ia m1 m2 Rys.4.PorównaniewartościmiarsyntetycznychdlapaństwUE
Źródło: opracowanie własne.
Na podstawie wyników analiz zawartych w tabeli 1 oraz na rys. 4 można stwierdzić, że zarówno ze względu na standard społeczno-ekonomiczny życia ludności, jak i ze względu na rozwój rynku pracy, a także poziom komunikowania
się, na wyróżniających, pierwszych pozycjach są: Holandia i Dania, zaś ze wzglę-du na wszystkie analizowane charakterystyki na ostatnich miejscach wśród kra-jów UE są: Bułgaria, Rumunia i Grecja.
Podsumowanie
Obserwowane charakterystyki ekonomiczne, demograficzne, a także te, które świadczą o poziomie rozwoju społeczeństwa informacyjnego są ze sobą znacząco powiązane. Znajomość korelacji pomiędzy zmiennymi oraz świadomość wzajem-nego wpływu na siebie zmiennych ekonomicznych i społecznych jest cenna, bo-wiem, jak wykazano w analizach, stopień dostępu do narzędzi komunikowania się znacząco wpływa na poziom rozwoju gospodarczego i społecznego państw UE.
Bibliografia
Biernacki M., 2006, Kilka uwag o pomiarze dobrobytu społecznego, „Mathematical Eco-nomics”, Wyd. Uniwersytetu Ekonomicznego we Wrocławiu, nr 3 (10), Wrocław. Eurostat (dostęp: 12.07.2016 r.).
Mastalerz-Kodzis A., 2016, Dynamika przemian społeczno-ekonomicznych krajów Unii
Eu-ropejskiej, Studia Ekonomiczne Uniwersytetu Ekonomicznego w Katowicach, Zeszyty
Naukowe nr 265, s. 26–37.
Mastalerz-Kodzis A., Pośpiech E., 2016, Dynamic and Spatial Analysis of Economic and
Labour Market Characteristics in European Countries, Proceedings of 34th
Interna-tional Conference, „Mathematical Methods in Economics”, Uniwersytet Techniczny w Liberc, Czechy, p. 546–551.
Rencher A.C., Christensen W.F., 2012, Methods of Multivariate Analysis, USA, John Wi-ley & Sons, 2012, http://dx.doi.org/10.1002/9781118391686.
UNDP Human Development Report www.hdr.undp.org (dostęp: 12.07.2016 r.).
Zeliaś A. (red.), 1989, Metody taksonomii numerycznej w modelowaniu zjawisk
społecz-no-gospodarczych, PWN, Warszawa.
Zeliaś A. (red.), 2000, Taksonomiczna analiza przestrzennego zróżnicowania poziomu
ży-cia w Polsce w ujęciu dynamicznym, AE, Kraków. Streszczenie
Globalizacja o zasięgu światowym, z którą mamy do czynienia w XXI wieku, wymaga komu-nikowania się pomiędzy mieszkańcami poszczególnych kontynentów i krajów. Łatwość dostępu do narzędzi informatycznych takich jak telefonia komórkowa, czy Internet powinna być jednym z nad-rzędnych celów polityki tworzenia społeczeństw informacyjnych krajów dążących do wysokiego po-ziomu rozwoju społeczno-ekonomicznego na świecie, bowiem poziom rozwoju społeczeństwa infor-macyjnego to jeden z ważniejszych czynników decydujących o konkurencyjności gospodarczej kraju.
AdriAnnA MAstAlerz-Kodzis, ewA PośPiech 118
Jako przedmiot badań wybrano kraje UE, bowiem są one powszechnie uważane jako kraje wysoko rozwinięte społecznie i gospodarczo. Jednakże analiza danych pokazuje, że pomiędzy krajami człon-kowskimi istnieją także duże różnice, przede wszystkim dochodowe oraz związane z charakterystyka-mi rynku pracy, co istotnie wpływa na poziom rozwoju informatyzacji. Wspólna polityka gospodarcza państw członkowskich UE, a także swobodny transfer ludności w celach zarówno zarobkowych, jak i tu-rystycznych, implikuje konieczność stałego i niezawodnego komunikowania się bez względu na miejsce zamieszkania, pracy, czy też wypoczynku.
W artykule zastosowano wybrane metody ilościowe do zbadania poziomu zróżnicowania rozwo-ju społeczeństwa informacyjnego krajów UE oraz wskazano zależności pomiędzy wybranymi charak-terystykami społeczno-gospodarczymi a wielkościami świadczącymi o poziomie rozwoju społeczeń-stwa informacyjnego. Pozytywne zweryfikowano postawione hipotezy badawcze. Wykazano, że wraz ze wzrostem poziomu społeczno-gospodarczego wzrasta poziom rozwoju społeczeństwa informacyj-nego państw członkowskich UE. Wykazano także, że dochód na osobę w krajach UE jest podstawową determinantą rozwoju społeczeństwa informacyjnego oraz, że struktura demograficzna społeczeństwa ma niewielki wpływ na skalę korzystania z Internetu oraz telefonii komórkowej.
Słowa kluczowe: rozwój społeczno-ekonomiczny, mierniki syntetyczne, społeczeństwo
infor-macyjne
Socio-economicdeterminantsoftheinformationsocietydevelopment intheEuropeanUnioncountries
Summary
The worldwide globalization which we deal with in the 21st century requires an interpersonal communication all over the world. The development level of the information society is one of more important factors of competitiveness of country economy. Therefore for the countries which aspire to high socio-economic development level one of the main goals should be an easy access to the informa-tion tools such as mobile network or Internet.
In the paper the European Union countries were analyzed. Most of them are considered to be countries of high social and economic development level. However analyses show that there are signi-ficant differences among these countries, especially regarding income or labour market characteristics. These differences significantly determine the information society development level. Common econo-mic policy of the European Union countries as well as people migrations implies a permanent need of reliable communication means.
To analyze the problem of diversity of the EU member states in respect of information society development level some quantitative tools were applied. Some interdependences between selected socio-economic characteristics and variables concerning the information society development level were indicated. The research hypotheses were positively verified. It was shown that the growth of socio-economic level implies the growth of information society development level. Besides, the analy-ses showed that the main factor that determined the information society development level in the EU countries was the income per person and that the demographic structure had an inconsiderable impact on the use a mobile or the Internet activity.
Keywords: socio-economic development, synthetic measures, information society
